研究人员提出路由级模型安全干预框架TraceRouter++

1. 13:00
   arXiv 自然语言处理

   TraceRouter++：通过最优传输实现因果语义路由重对齐

   针对大基础模型易受越狱攻击的问题，研究人员提出路由级安全干预框架 TraceRouter++，通过追踪有害输入激活的因果路由路径来重对齐不安全激活状态。该框架结合稀疏自编码器（SAE）与受限最优传输（OT）算法，在因果识别的路由子空间内软重定向恶意语义流。在 LLM、多模态大语言模型（MLLM）和扩散模型（DM）上的实验表明，其对抗鲁棒性超越基线且兼顾了通用效用。

Current heat 7·Comparable peak 10（Nov 4 14:00）·Comparable change, last 24 hours–

Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.